论文部分内容阅读
胎儿心电图(fetal electrocardiogram, FECG)包含了有关胎儿健康状况的重要信息,提取纯净的胎儿心电图具有重要的临床意义。由于母体腹部表面记录到的心电信号中胎儿心电信号非常微弱,并受到母体心电信号(maternal electrocardiogram, MECG)、母体肌电干扰、工频干扰及基线漂移等各种噪声的干扰,因此,如何提取出纯净的胎儿心电信号成为一个热点问题。独立分量分析方法(Independent Component Analysis, ICA)是一种基于源信号统计独立性的分析方法,在胎儿心电提取中得到了广泛地应用。传统的独立分量方法一般采用梯度法或牛顿迭代法对分离矩阵进行寻优,容易陷入局部极优值,提取出的胎儿心电信号中常混有母体心电信号,且分离出的信号的顺序是不确定的。为此,本文对其进行了改进算法研究,主要工作和成果如下:1、选用一种变形的峭度函数作为ICA方法的目标函数,选用遗传算法作为ICA方法的优化算法,提出一种新的胎儿心电信号提取方法,以保证算法尽量收敛到全局最优解。2、针对遗传算法有可能在最优解附近提前收敛的问题,将遗传算法寻优和基于峭度的快速固定点算法(FastICA)的迭代核寻优相结合,增强了算法的寻优能力。3、为了进一步消去工频干扰和基线漂移等噪声的影响,采用小波包技术对FECG去噪。4、对本文方法进行了仿真分析。仿真结果表明:1)本文方法的收敛性能比单独用遗传算法寻优时要好,分离精度比传统的独立分量分析方法高,提取出的胎儿心电信号基本上不混有母体心电信号。2)本文方法可以保证将信号按峭度值大小有序提取出来。3)本文方法适用于混有超高斯和亚高斯噪声的情况,并且经过小波包去噪后,FECG中的基线漂移和工频干扰等噪声都得到了有效地抑制。